AI sistēma · metalurģija, normatīvā dokumentācija
GOST grafs un RAG tērauda prasībām
EVRAZ · 2025 · AI sistēma · Python 3.11, LangChain
No PDF standartu kopas līdz saistītai zināšanu bāzei: saites starp GOST, meklēšana ar avotiem, tērauda markas prasību eksports uz JSON
Prototipu sērija EVRAZ, kura GOST bibliotēka ir PDF kopa bez saitēm starp dokumentiem. Standarti (PDF/DOC) tiek pārveidoti par Markdown ar tabulām un attēliem, atsauces uz citiem GOST (normatīvās un informatīvās) tiek atrastas automātiski, „bērnu“ standarti tiek lejupielādēti, un virs tiem tiek veidota RAG meklēšana ar avotiem un strukturētu datu izgūšana. Testa uzdevums ir stiprības klase C235 pēc GOST 27772-2021: ķīmiskais sastāvs un mehāniskās īpašības tiek eksportētas uz JSON. Vienas nedēļas laikā (no 2025. gada 30. oktobra līdz 6. novembrim) paralēli tika izmēģināti pieci realizācijas varianti.
Uzdevums
Atsauces uz citiem GOST dokumentos nav noklikšķināmas. Lai savāktu visas prasības tēraudam C235, speciālistam ar roku jāatrod galvenais standarts un tad pa vienam jāapstaigā katrs tajā minētais standarts, kas aizņem daudz laika un ļauj kaut ko palaist garām.
Kas iekšā
- GOST konvertēšana no DOC/DOCX/PDF uz Markdown, tabulām (XLSX) un attēliem
- Automātiska atsauču izgūšana, klasificējot kā „normatīvās / informatīvās“; GOST 27772-2021 atrastas 95 unikālas atsauces (71 normatīva, 24 informatīvas) un ievietotas 232 noklikšķināmas hipersaites
- Automātiska „bērnu“ GOST meklēšana un lejupielāde (allgosts.ru, ar Yandex XML API kā rezervi): korpusā ir 60 .doc dokumenti
- RAG atbildes ar avotiem (Claude 4.5 Sonnet / Gemini 2.5 Pro caur OpenRouter, FAISS vektoru indekss)
- Strukturētu datu izgūšana stiprības klasei C235 (8 ķīmiskā sastāva elementi, 3 mehāniskās īpašības) uz JSON ar validāciju
- Varianti: tīmekļa zināšanu bāze uz React/tRPC, standartu grafs Neo4j ar grafu ņemošām atbildēm, RAGFlow + OpenSearch ar k-NN bez Docker, FastAPI + HTMX tīmekļa serviss ar rāpuli, specifikācija augstas precizitātes OCR modulim
Mašīntulkojums — notiek korektūra.